pedro josé pérez vázquez* - universitat de valència
TRANSCRIPT
Shocks de Oferta versus Shocks de Demanda en lasPrincipales Economías Occidentales.
Pedro José Pérez Vázquez*
DT 00-07
Dirección:
Departamento de Análisis EconómicoEdificio Departamental OrientalUniversitat de ValènciaAvgda. dels Tarongers, s/n46022 - VALENCIACorreo Electrónico: [email protected].: 34 – 963828778Fax: 34 – 963828249
*Quiero agradecer los comentarios y sugerencias de F. J. Goerlich, J. Andrés yR. Domenech. Todo error es de mi exclusiva responsabilidad. Una versión deeste trabajo fue presentada en el XXIII Simposio de Análisis Económico.
1
Resumen:
En este trabajo se pretende determinar la importancia relativa de los shocks de demanda
y de oferta en las principales economías occidentales. Para ello se utiliza la técnica de
los VAR estructurales; al detectarse una relación de largo plazo entre las variables, se
estimó un modelo VAR con restricciones de cointegración. Los resultados señalan un
importante papel de los shocks de oferta en la variabilidad del PIB, incluso en el corto
plazo. Adicionalmente los resultados parecen indicar que los shocks de oferta tienen
cierto papel en la explicación del comportamiento de la inflación en el largo plazo.
Palabras clave: VECM, perturbaciones de demanda versus perturbaciones de oferta.
Clasificación según el JEL: C32, E37, E30
Abstract:
This paper analyses the relative importance of supply and demand shocks in Spain,
Switzerland and the G-7 economies using a VAR model for output and inflation. A
negative long run relationship was found in all countries, then we estimate a VAR model
with cointegration restrictions (VECM), which reduce the number of restrictions needed
to identify the shocks. The results indicate that supply shocks are an important source of
output variability, even in the short run. Results also suggest that supply shocks have a
significant effect in inflation in the long run.
Key words: VECM, supply shocks versus demand shocks.
JEL Classification: C32, E37, E30.
1. Introducción
2
A pesar de que uno de los principales temas de estudio y discusión en
Macroeconomía son los ciclos económicos, no existe todavía consenso en cuanto al
origen o causas principales de las fluctuaciones en el producto real y las restantes
variables macroeconómicas. Desde el punto de vista de los modelos reales del ciclo
(RBC), en los que hay información perfecta y los mercados se vacían, los ciclos son
fundamentalmente el resultado de shocks exógenos en la tecnología. Mientras que los
nuevos modelos keynesianos siguen viendo en los shocks de demanda una fuente
importante en la generación de las fluctuaciones. Por tanto, una de las cuestiones
fundamentales a determinar es si los ciclos son causados fundamentalmente por shocks
por el lado de la oferta o por shocks de demanda.
Precisamente ese será el objetivo de este trabajo: cuantificar la importancia
relativa de los shocks de demanda y de oferta en los ciclos de los países del G-7 más
España y Suiza. Se tratará de determinar si la fuente principal de variabilidad de las
economías proviene del lado de la demanda o de la oferta.
Para determinar el tipo de perturbaciones que han afectado a las distintas
economías y que, por tanto, serán las causantes de los ciclos, es necesario identificar las
distintas fuentes de variabilidad. Para ello, se precisa estimar modelos estructurales que
permitan separar los efectos de los distintos shocks. Los modelos vectoriales
autorregresivos o modelos VAR, constituyen una herramienta relativamente nueva en el
campo de la macroeconomía aplicada. A partir del articulo original de Sims (1980), los
modelos VAR han gozado de una creciente popularidad que los ha convertido en una de
las herramientas básicas de los macroeconomistas para identificar distintos shocks y
aislar sus efectos. En este trabajo se utilizará un refinamiento de esta metodología para
identificar distintas fuentes de variabilidad en las economías. Concretamente se estimará
un modelo VAR con restricciones de cointegración, o modelo VECM, para la producción
real e inflación en cada país, que permitirá identificar dos tipos de shocks, uno
permanente y otro transitorio. Las respuestas de las variables ante estos dos shocks,
sugieren que el shock permanente provoca los efectos típicamente asociados a una
perturbación de oferta, mientras que el shock transitorio se comporta como una
perturbación de demanda.
El propósito de este ejercicio es doble: en primer lugar, cuantificar la
importancia relativa de las perturbaciones de demanda y de oferta en la generación de los
3
ciclos de cada país y, en segundo lugar, determinar si con una metodología distinta a la
utilizada habitualmente vuelve a ponerse de manifiesto la gran similitud en los ciclos de
los distintos países.
La estructura del trabajo será la siguiente: en la segunda sección se presentarán
los orígenes y filosofía de la metodología VAR, así como el método de identificación
utilizado por esta metodología. Posteriormente, se realizará un breve repaso de los
resultados obtenidos en trabajos anteriores. La cuarta parte estará dedicada al análisis
empírico y la presentación de los resultados. Finalmente, se presentarán las principales
conclusiones del trabajo.
2. Identificación de las fuentes de variabilidad de la economía, mediante
modelos VAR
2.1) Orígenes de la metodología VAR:
Para realizar el análisis que se pretende es necesario construir un modelo
estructural, en el sentido de que los shocks o fuerzas conductoras de la economía puedan
tener una interpretación económica. La metodología utilizada para su obtención será la de
los modelos VAR estructurales.
Todo modelo macroeconómico lineal puede expresarse utilizando la siguiente
notación matricial:
[1] D(L) ·Yt = εt
con E(εt) = 0, E(εtεt´) = Σε ∀t y E(εtεs´) = 0 para t≠s
siendo ∑=
=p
0iiD)L(D iL ,
siendo D(L) un polinomio en el operador de retardos cuyos elementos son matrices de
orden (NxN), Yt es un vector (Nx1) de variables económicas y εt es un vector de shocks
o impulsos. Los elementos de D(L) recogen los efectos de los distintos shocks en las
variables del modelo.
4
Si el modelo [1] es estructural, o sea, contiene ecuaciones estocásticas que se
derivan de la teoría económica, entonces los parámetros de las matrices Di y los de la
matriz de varianzas-covarianzas del vector de shocks, son parámetros estructurales,
contienen información sobre dicha teoría económica. También diremos que los shocks
recogidos en el vector εt son estructurales, al representar impulsos con características
determinadas por la teoría económica que subyace en el modelo.
La forma tradicional de identificar modelos estructurales (en el contexto de
ecuaciones dinámicas simultáneas) ha consistido, normalmente, en imponer restricciones
de exclusión tanto contemporáneas como retardadas. Se postula que ciertas variables son
exógenas, y puede que las exógenas no afecten a todas las variables endógenas del
modelo. En la notación del modelo [1] esto implicaría que algunos de los elementos de
D(L) tomasen el valor cero.
Este procedimiento, ha sido cuestionado por Sims (1980). En este artículo, Sims
critica la forma tradicional de estimar modelos estructurales pues incorporan lo que él
llama “increíbles restricciones de exclusión”. Se critica el hecho de que se excluyan
variables de ciertas ecuaciones de los modelos, aún cuando puede que éstas sean
relevantes, sobre todo si, se acepta la visión de que los agentes económicos toman sus
decisiones teniendo en cuenta el futuro. En tal caso, toda variable puede ser importante al
ser relevante en la formación de expectativas.
Esta apreciación aparece ya en Liu (1960), pero hizo falta la experiencia
acumulada de pobres predicciones por parte de los modelos econométricos tradicionales
y la disponibilidad de una técnica alternativa para la estimación de modelos estructurales
para que fuera tenida en cuenta a partir del artículo de Sims, y diera lugar a una nueva
estrategia para obtener información estructural sobre la economía.
La alternativa de Sims para modelizar las relaciones económicas enfatiza la
importancia de captar la rica dinámica entre variables evitando la imposición de
restricciones a priori. Consiste en la estimación de representaciones generales de las
interacciones entre las variables del modelo. Para ello propone el uso de modelos VAR,
que pueden verse como una forma reducida sin restringir a partir de la cual obtener la
forma estructural. Su método consiste concretamente en estimar un vector autorregresivo
para todas las variables del modelo (por tanto todas las variables son endógenas), e
interpretar las innovaciones ortogonalizadas como shocks estructurales. La
ortogonalización se consigue ordenando las variables de forma que reflejen sus
5
relaciones contemporáneas de causalidad, y utilizando tras la ordenación la
descomposición de Choleski.
Un modelo VAR puede representarse en notación matricial como:
[2] F(L)Yt= vt,
con E(vt) = 0 , E (vtvt′) = Σv ∀t y E (vtvs′) = 0 ∀t ≠s
siendo ∑=
=p
0iiF)L(F iL con F0 = I,
siendo F(L) un polinomio en el operador de retardos, cuyos elementos son matrices de
orden (NxN) y vt es un vector (N×1) de innovaciones.
Los estudios que hacen uso de la metodología VAR no pretenden estimar
ecuaciones concretas, sino que pretenden identificar los efectos de ciertos shocks sobre
las variables del modelo. Para ello se utilizan fundamentalmente dos instrumentos: la
función de impulso-respuesta y la descomposición de la varianza del error de predicción.
La función de impulso-respuesta proporciona información sobre la respuesta de las
variables del modelo ante las distintas perturbaciones, mientras que la descomposición
de la varianza indica en qué porcentaje contribuye cada perturbación en la explicación de
la varianza del error de predicción para distintos periodos, por lo que puede
interpretarse como una indicación de la importancia de cada shock en la variabilidad de
las distintas variables. Una excelente introducción a la metodología VAR y una
descripción completa de estos dos instrumentos puede encontrarse en Ballabriga (1991).
Para que los resultados proporcionados por la función de impulso-respuesta y de
la descomposición de la varianza tengan una interpretación clara, es necesario que los
distintos shocks sean ortogonales. Sin embargo, en general las innovaciones del modelo
VAR suelen estar contemporáneamente correlacionadas, por lo que no es posible separar
los efectos de un único shock por separado, es decir, existe un problema de
identificación.
Sims (1980) propuso realizar la identificación de los shocks de la siguiente
forma: postular un orden causal entre las variables, basándose en criterios de intuición
económica y, partiendo de esa ordenación de las variables, ortogonalizar los residuos del
6
VAR. Para ello propuso la descomposición de Choleski, consistente en utilizar una
matriz triangular inferior R caracterizada por cumplir que:
R Σv R’ = Ιn ,
con lo que el modelo [2] tras la ortogonalización quedará como:
[2’] R F(L)Yt = R Vt .
Al realizar esta ortogonalización en el vector de innovaciones estimado, todos los
elementos de R quedan determinados y el modelo resulta exactamente identificado. Como
RF0 es también triangular, entonces, utilizar la descomposición de Choleski es
equivalente a postular un modelo recursivo.
En un modelo de n variables hay n! ordenaciones posibles de las variables y
muchas veces la teoría económica no proporciona indicaciones claras sobre cual es el
orden causal más apropiado. Sims (1986) propone probar distintas ordenaciones entre
las variables y ver si los resultados son sensibles a la ordenación. En general, los
resultados serán tanto más sensibles a distintas ordenaciones cuanto más altos sean los
elementos no diagonales de la matriz de varianzas-covarianzas del VAR ( Σv ).
A este método, y los modelos obtenidos por medio de él, se les conoce por
vectores autorregresivos ateóricos en contraposición a los VAR estructurales. Estos se
diferencian de los primeros únicamente en la forma de conseguir la ortogonalización de
las innovaciones.
Esta forma de conseguir la ortogonalización, a través de la factorización de
Choleski, ha sido cuestionada por Cooley y Leroy (1985) puesto que generalmente
implica una serie de restricciones no basadas en la Teoría económica. Si esto es así,
puede que los parámetros obtenidos al estimar [2] no estén recogiendo información
estructural, y el modelo VAR estimado no será coherente con el modelo estructural que
se pretende estimar.
Si el modelo que se pretende estimar viene dado por [1], y se realiza la
ortogonalización de Choleski en el modelo [2] estimado, sólo se recogerá la información
estructural de [1] si R F0 = D0. Como, por lo general, no hay razón para que D0 sea
triangular inferior, entonces el método propuesto por Sims no recogerá la información en
la que estamos interesados.
7
Sin embargo, la metodología VAR propuesta por Sims puede modificarse y así
posibilitar la obtención de información estructural sobre la economía. Autores como
Bernanke (1986) y Blanchard y Watson (1986) han propuesto basar el método de
ortogonalización de las perturbaciones en la introducción de restricciones de
identificación que se deriven de la teoría económica. Siendo, por tanto, defendibles y
coherentes con la clase de modelo estructural que se pretende estimar. En estos dos
trabajos se utilizaron restricciones de identificación contemporáneas (unas teóricas y
otras obtenidas de trabajos empíricos), es decir, restricciones sobre la matriz D0.
Posteriormente, Blanchard y Quah (1989) utilizaron restricciones de largo plazo
estrictamente teóricas, para más tarde combinarse en Galí (1992) restricciones
contemporáneas y de largo plazo. Esta nueva forma de ortogonalizar las innovaciones, y
así obtener modelos estructurales a partir de modelos VAR (interpretables como la forma
reducida del modelo), se la conoce como el enfoque de los vectores autorregresivos
estructurales, en contraposición a los modelo VAR ateóricos en los que se utilizaba la
factorización de Choleski.
La teoría estadística de series temporales proporciona una justificación al uso de
los modelos VAR. Wold (1938) mostró que todo proceso estacionario en covarianza,
puede escribirse como la suma de dos procesos no correlacionados: siendo uno de ellos
un proceso determinista, y el otro un proceso de medias móviles que puede expresarse en
términos de shocks aleatorios presentes y pasados, por lo que es invertible y puede
aproximarse por un proceso autorregresivo de orden finito. Por lo tanto, en versión
multivariante, todo proceso estacionario puede aproximarse por un modelo VAR de
orden finito. Sin embargo, para ello la estacionariedad es una propiedad clave que no
siempre es satisfecha por las variables objeto de análisis. Como la mayoría de las
variables macroeconómicas son integradas de orden uno o superior, es decir, no
estacionarias, la práctica habitual es diferenciar las variables para convertirlas en
estacionarias y, por tanto, los modelos VAR se suelen estimar con variables en
diferencias.
Diferenciar las variables no es lo más conveniente si éstas están cointegradas,
pues se pierde la información relativa a las posibles relaciones de largo plazo entre las
variables. La razón por la que generalmente no se estiman modelos VAR con
restricciones de cointegración es que la inversión del polinomio autorregresivo se ve
dificultada, al tener las matrices de largo plazo rango reducido. Sin embargo, en los
8
trabajos de Campbell y Shiller (1988) y Warne (1993) se propone una representación
alternativa que permite superar este problema. De esta forma, las posibles relaciones de
cointegración, tal como se analizará en el siguiente apartado, se han convertido en una
fuente adicional de identificación al reducir el número de restricciones necesarias para
identificar un modelo VAR.
2.2) Identificación de Modelos VAR con restricciones de cointegración:
Supongamos un conjunto de N variables xt integradas de orden 1. El objetivo de
la metodología VAR es tratar de identificar los efectos de una serie de shocks, llamados
shocks estructurales, sobre el conjunto de variables. Implícitamente se supone que la
dinámica de xt está gobernada por una conjunto de shocks ortogonales entre sí.
Formalmente, el vector de variables de interés tiene una representación vectorial en
medias móviles tal como:
[3] ∆xt = δ + C(L)εt , E(εtε t’) = IN
donde C(L) es un polinomio en el operador de retardos y εt es el vector (Nx1) de
perturbaciones o shocks estructurales que generan la dinámica conjunta de las variables.
La ecuación [3] puede factorizarse como:
[4] t*
tt )L(C)L1()1(Cx ε−+ε+δ=∆
donde C(L) = C(1) + (1-L)C*(L); con C*i = − ∑j>i Cj ; y ∑∞
==
0iiC)1(C .
Integrando [4] se obtiene la siguiente representación para los niveles de las
variables xt:
[5] t0s
*st0t )L(C)1(Ctxx ε+ε+δ+= ∑
∞
=− .
9
Si entre las variables del sistema xt existen r relaciones de cointegración,
entonces la matriz C(1) será de rango reducido, pues, tal como se muestra en Stock y
Watson (1988), si hay r relaciones de cointegración entonces las variables comparten k
= (N-r) tendencias estocásticas comunes, por lo que sólo habrán k shocks que tengan
efectos permanentes en los niveles de las variables, mientras que los r shocks restantes
presentarán sólo efectos transitorios.
Formalmente, la existencia de cointegración implica una serie de restricciones
sobre la representación [5] de forma que pueda expresarse como:
[6] xt = x0 + δt + Aτt + C*(L)εt ,
con τt = τt-1 + φt ; y siendo
ψ
φ=ε
− )1x)kN((t
)1kx(tt ,
donde φt son los k shocks con efectos permanentes y ψ t son los (N-k) shocks transitorios.
La matriz A es una matriz (Nxk) que recoge los efectos de largo plazo de los shocks
permanentes. La ecuación [6] es la forma habitual de expresar un modelo estructural de
tendencias comunes.
El objetivo perseguido es obtener una estimación del polinomio C(L), el cual
proporcionará las respuestas de las distintas variables a cada uno de los shocks. C0
indicará los efectos contemporáneos de los shocks, mientras que las distintas matrices Ci,
con i>0 proporcionarán los efectos retardados de estos. Los efectos de largo plazo
vendrán dados por la matriz C(1).
Sin embargo, los shocks estructurales no son observables y, por lo tanto, el
modelo [3] no es directamente estimable. Ante este problema la estrategia que se sigue es
estimar una forma reducida para el vector de variables (el modelo VAR) y a partir de
ella recuperar el modelo estructural [3].
El modelo VAR vendrá dado por:
[7] V(L)∆xt = µ + vt , E(vt vt′) = Ω
donde V(L) = In – V1 L – V2 L2 - ..... – Vp L
p , siendo p el orden del VAR.
Mediante la inversión del polinomio autorregresivo V(L), es posible obtener
representación de Wold para el vector de variables:
10
[8] ∆xt = µ + B(L)vt
con B(L) = i
0ii LB∑
∞
=, siendo B0 = I.
La representación para los niveles de las variables vendrá dada por:
[9] t0s
*st0t v)L(Bv)1(Btxx ∑
∞
=− ++µ+=
Si se dan las condiciones de invertibilidad, se podrá obtener una estimación del
polinomio B(L) a partir de V(L). Sin embargo, B(L) proporciona las respuestas de las
variables ante las innovaciones, que no tienen una interpretación estructural.
Partiendo de una estimación del modelo [8], interpretado como una forma
reducida, es posible recuperar el modelo estructural [3], mediante la imposición de una
serie de restricciones de identificación, que sean coherentes con el modelo [3]. La
filosofía de la metodología VAR hace que el número de restricciones impuestas sea el
mínimo necesario para que [3] quede exactamente identificado.
Comparando los modelos [3] y [7] se obtienen las siguientes relaciones:
vt = C0 εt, y C(L) = B(L)C0.
Por lo tanto, si se conociese la matriz C0, sería posible, partiendo de una
estimación de B(L) la obtención de C(L). De este modo se tendría conocimiento de los
efectos de los shocks estructurales sobre el conjunto de variables. Para identificar los N2
elementos de C0 se necesitarán el mismo número de restricciones sobre sus elementos.
Si el objetivo del análisis es diferenciar los efectos de un conjunto de shocks
estructurales, parece lógico suponer que estos shocks no estén correlacionados. Si
además se efectúa una normalización, de forma que sus varianzas sean la unidad entonces
la matriz de varianzas-covarianzas de los shocks estructurales será la matriz identidad, es
decir, E(εtε t’) = IN. Este supuesto impone, dada la relación existente entre las
innovaciones y los shocks estructurales (vt = C0 εt), N(N+1)/2 restricciones en los
11
elementos de C0, pues C0C0′ = Ω. Una estimación de la matriz de varianzas-covarianzas
del VAR (Ω) siempre es posible obtenerla a partir de la estimación mínimo cuadrática
de los residuos. Por lo tanto, para identificar completamente la matriz C0, son necesarias
N(N-1)/2 restricciones adicionales.
Este procedimiento de identificación se ve modificado cuando entre las variables
existen relaciones de cointegración. Si entre el conjunto de variables xt existen r
relaciones de cointegración, entonces la forma correcta de comenzar el análisis no es el
modelo [7], pues estimar un modelo VAR en diferencias hace que se pierda la
información sobre las relaciones de largo plazo.
Ante este problema, Lütkepohl y Reimers (1992) proponen comenzar el análisis
mediante un modelo VAR con las variables en niveles tal como:
[10] A(L)xt = µ + vt ,
con A(L) = (I - A1L1 - .... - ApL
p), y desarrollan un algoritmo que permite invertir el
polinomio autorregresivo. Este modo de proceder tiene un problema: al no imponerse
explícitamente las restricciones de cointegración, estas sólo se satisfarán asintóticamente.
Para superar este problema, el análisis debe comenzarse con un VAR que
incorpore las restricciones de cointegración, es decir, un VECM tal como:
[11] A*(L)∆xt = µ - A(1)xt-1 + vt
con A*(L) = (In – A*1L1 + ......... + A*p-1L
p-1), siendo A*i = −(Ai+1 + ... + Ap), y con A(1)
= (In - A1 - ... – Ap). Cuando existen relaciones de cointegración la matriz A(1) tiene
rango reducido y puede factorizarse como A(1) = γα’, siendo α’xt las relaciones de
cointegración.
Si las variables xt admiten una representación mediante un modelo VECM,
entonces, tal como mostraron Stock y Watson (1988), la matriz B(1) en [9] tiene rango k
= (N-r). En este caso, el comportamiento de largo plazo de las variables es una
combinación lineal de k paseos aleatorios, por lo que la representación [9] recibe el
nombre de modelo de tendencias comunes, y puede verse como una forma reducida del
modelo estructural de tendencias comunes [6]. La diferencia entre los dos modelos
12
estriba en que [9] está en función de las innovaciones, mientras que [6] lo está en función
de los shocks estructurales.
Utilizar la representación VECM presenta el problema de que las técnicas de
inversión estándar no son aplicables, lo que dificulta la obtención de [9], a partir del cual
identificar el modelo estructural [6]. Una propuesta, para el caso de dos variables y una
relación de cointegración, para solucionar este problema la dieron Campbell y Shiller
(1988). Su propuesta consiste en utilizar una representación alternativa al VECM que
facilita la inversión del polinomio autorregresivo. A esta nueva representación se la
conoce como modelo VAR restringido e incorpora directamente, al igual que la
representación VECM, las relaciones de cointegración, por lo que, al mismo tiempo que
se superan las ineficiencias de la propuesta de Lütkephol y Reimers (1992), facilita la
inversión del polinomio autorregresivo. La propuesta de Campbell y Shiller (1988) fue
generalizada por Warne (1993).
Para derivar la representación RVAR o modelo VAR restringido, se necesita
definir una serie de matrices: sea M una matriz no singular (NxN), tal que M=[S’k α ]’.
Definamos además una matriz γ* (NxN), como γ* = [ 0 γ ]; y sean D(L) y D⊥(L)
polinomios matriciales definidos por:
−=
r
k
I)L1(0
0I)L(D
−=⊥
r
k
I0
0I)L1()L(D .
Warne (1993) demostró que si y solo si el conjunto de variables xt está
cointegrado (1,1) con rango de cointegración r, entonces existe una representación como:
[12] R(L)yt = θ + ηt
donde R(L) = M [ A*(L) M-1 D(L) + γ* L ] , y siendo yt = D⊥(L) Mxt. La representación
[12] es estacionaria y se la conoce como modelo VAR restringido. En esta
representación los últimos r elementos de yt están formados por las relaciones de
cointegración (α’xt). Para obtener los primeros k elementos de yt siempre es posible
definir Sk como Sk = α’⊥, donde α’⊥α = 0. Alternativamente, es posible organizar los
elementos de xt de tal forma que α’ = [α* Ir ] y, en este caso se puede definir Sk como Sk
13
= [ Ik 0], con lo que los primeros k elementos de yt serán los primeros k elementos de xt
en primeras diferencias.
Una vez estimada la representación RVAR, se podrá obtener fácilmente la
representación de Wold [8]. Dados los vectores de cointegración, todos los demás
parámetros de [12] se obtienen mediante estimación mínimo cuadrática.
Alternativamente, es posible utilizar una estimación del VECM para derivar los
parámetros del modelo RVAR. Obtener la representación de Wold a partir del RVAR es
sencillo, pues se satisface la siguiente relación:
[13] B(L) = M-1D(L)R(L) -1M.
El polinomio B(L) proporciona la respuesta de las variables ante las
innovaciones, pero el objetivo es conocer las respuestas de las variables a los shocks
estructurales, por lo tanto, queda por identificar el modelo estructural. El hecho de que
haya r relaciones de cointegración va a modificar el número mínimo de restricciones
necesario para identificar el modelo estructural [6].
En primer lugar, se analizará la identificación de la matriz A en [6], la cual
indicará los efectos de largo plazo de los shocks permanentes. Como las relaciones α’xt
son estacionarias se debe cumplir que α’A = 0. Lo cual, dado α, impone rk restricciones
en los Nk elementos de A. Adicionalmente, comparando los modelos [6] y [9] se tiene:
[14] B(1)vt = Aεt,
y recordando que E(εtεt’) = In, se satisface la siguiente relación: B(1)ΩB(1)’ = AA’; por
lo que dadas las estimaciones de B(1) y de Ω, esta igualdad resulta en k(k+1)/2 nuevas
restricciones en A. Por lo tanto, para identificar los Nk elementos de A, son necesarias
k(k-1)/2 restricciones adicionales. Es decir, si hubiesen dos shocks permanentes sería
necesaria solamente una restricción. Esta restricción tendría que hacer referencia a las
propiedades de largo plazo de las variables y ser coherente con las propiedades de
cointegración.
Si además de identificar A, se pretende obtener las respuestas de las variables a
los shocks estructurales, es decir, el polinomio C(L) de [3], se necesitarán un mayor
número de restricciones. Para ello, supongamos que los shocks estructurales son una
14
combinación lineal de las innovaciones, de forma que εt = Fvt. Así, se podría expresar la
representación de Wold [8] del siguiente modo:
[15] ∆xt = µ + B(L)vt = µ + B(L)F-1εt
de forma que B(L)F-1 recoge los efectos de los shocks estructurales sobre las variables,
es decir, B(L)F-1 = C(L).
Queda por determinar la obtención de la matriz F que relaciona los shocks
estructurales con las innovaciones. De [14] se tiene que los shocks permanentes φt =
(A’A)-1A'B(1)vt. Entonces, puede definirse la matriz:
[16] Fk = (A’A)-1A' B(1),
de forma que F = [ F’k F’r ]’. Así, se tiene parte de la matriz F identificada mediante la
relación existente entre los shocks permanentes y las innovaciones.
La determinación de Fr, matriz que relaciona los shocks estructurales transitorios
con las innovaciones, se hará de forma que se satisfagan ciertas propiedades. En primer
lugar que los shocks permanentes y transitorios estén incorrelados, es decir:
[17] E(φtψ t) = (A’A)-1A' B(1)ΩF’r = Fk F’r = 0.
Como B(1)γ = 0 (Engle y Granger (1987)), entonces:
[18] Fr = Q-1 ω’Ω-1
satisfará la relación [17], siendo ω = γξ, con ξ una matriz (rxr) no singular.
La matriz Q(rxr) se fijará de forma que la matriz de covarianzas de los shocks
transitorios dada en [19], sea la identidad:
[19] E[ψ tψ ’t] = Fr Ω F’
r = Q-1ω’ Ω-1ω(Q-1)’ = In .
15
Para ello, los elementos de Q pueden obtenerse de la descomposición de Choleski de la
matriz ω’ Ω-1ω. Es decir Q se obtiene de la siguiente relación: QQ’ = ω’ Ω-1ω, por lo que
Q será triangular inferior. Hay que destacar que este modo de identificar la matriz Fr, no
proporciona necesariamente una interpretación económica de los shocks transitorios
(ψ t), pero sí es suficiente para determinar las funciones de impulso respuesta de los
shocks permanentes.
Para tratar de dar una interpretación económica a los shocks transitorios, se
debería ser más específico en la determinación de Q, aunque su estructura será
irrelevante en la determinación del papel de los shocks permanentes. Para ello se deben
imponer restricciones sobre la matriz ω = γξ. Estas restricciones tendrán implicaciones
sobre la respuesta contemporánea de las variables xt ante los shocks transitorios (ψ t).
Pues como muestra Warne (1993), la respuesta contemporánea de xt ante los shocks
transitorios viene dada por γξ(Q’)-1.
Entonces, imponiendo una estructura apropiada a ξ (dados γ y Q) podemos
imponer que ciertas variables no respondan contemporáneamente a ciertos shocks. En
general, para identificar exactamente los shocks transitorios es suficiente considerar r(r-
1)/2 restricciones cero en ξ, pues hay r2 elementos en ξ y [19] impone r(r+1)/2
restricciones.
En resumen, cuando entre las variables existen relaciones de cointegración, la
identificación de modelos VAR se complica técnicamente, pero también resulta en
ventajas a la hora de la identificación de los distintos shocks. Al ser posible separar el
problema de identificar los efectos de los shocks permanentes de los de los transitorios
se reduce el número de restricciones necesarias para identificar el modelo estructural.
Así, para identificar los shocks permanentes son necesarias k(k-1)/2 restricciones de
largo plazo en la matriz A, mientras que para identificar los shocks transitorios se
necesitan r(r-1)/2. En cualquier caso, son un número menor que en el caso de no existir
relaciones de cointegración, cuando son necesarias N(N-1)/2 restricciones.
Concretamente, el número de restricciones necesarias se reduce en (N-k)(N-r).
3. Shocks de demanda versus shocks de oferta: Estudios previos.
16
Los estudios recientes sobre el papel de distintas fuentes de variabilidad en el
ciclo económico se pueden clasificar en dos grandes grupos que se diferencian tanto
teórica como metodológicamente. Por un lado, los modelos RBC utilizan modelos
teóricos para estudiar la importancia de una serie de shocks, fundamentalmente shocks en
la productividad. Por otro lado, estudios empíricos que mediante el uso de técnicas
econométricas tratan de caracterizar la importancia de distintos shocks en la economía.
En este tipo de estudios se suele limitar el papel de la teoría económica a lo
estrictamente necesario para identificar los modelos econométricos, en clara
contraposición a los trabajos en el marco RBC, donde el papel de la teoría es primordial.
Los modelos RBC, que en un principio incorporaban un solo tipo de shock (un
shock tecnológico), han tenido éxito en replicar ciertos hechos estilizados del ciclo
económico. Sin embargo, ante la imposibilidad de explicar otros hechos estilizados, sus
modelos han ido enriqueciéndose e incorporando nuevos tipos de shocks, con lo que se
consigue explicar a un mayor numero de hechos estilizados. Actualmente se reconoce que
con un sólo tipo de shock no es posible replicar las características principales del ciclo
económico. Se necesita incorporar nuevos tipos de shocks, aunque siempre dando un
papel preponderante a los shocks en la productividad.
En cuanto a los estudios empíricos sobre las fuentes de variabilidad,
generalmente, son más eclécticos y parten de la idea de que los ciclos son potencialmente
causados por múltiples shocks, tratando de discriminar mediante el recurso a la
evidencia empírica cuales son o han sido los más importantes.
Dentro de estos trabajos podemos diferenciar tres tipos de estrategia para
determinar la importancia de los distintos shocks. Por un lado trabajos como el de Karras
y Song (1996), en los que partiendo de una medida o estimación del ciclo económico, se
realiza un análisis de regresión para tratar de determinar la importancia de ciertas
variables a la hora de explicar el ciclo. Otra estrategia consiste en tratar de estimar
directamente los shocks que afectan a la economía; como representativo de este enfoque
puede citarse el articulo de Evans (1992). En este trabajo se obtiene una estimación del
residuo de Solow, que se toma como representativa del verdadero shock a la
productividad, analizándose a continuación si el residuo de Solow estimado se comporta
como se espera de una perturbación tecnológica. La principal conclusión de este trabajo
es que el residuo de Solow estimado, al utilizar instrumentos de demanda, no es exógeno,
indicando que está contaminado por otro tipo de factores. Este resultado pone de
17
manifiesto la dificultad de estimar directamente los shocks que afectan las economías.
Por ultimo, la estrategia o vía de modelización de los llamados VAR estructurales, en la
que partiendo de un modelo econométrico multivariante se pretende identificar o
diferenciar entre categorías amplias de perturbaciones. El enfoque de los VAR
estructurales tiene la ventaja de permitir también determinar cuales son los mecanismos
de transmisión que operan en el ciclo económico, pudiéndose utilizar como una forma de
validación de los resultados.
Los trabajos empíricos que han utilizado modelos VAR para identificar distintas
fuentes de variabilidad, han planteado distintos supuestos para identificar y separar los
shocks de oferta de los de demanda. Por ejemplo, Stockman (1988) identifica los shocks
de oferta como shocks sectoriales, mientras que los shocks de demanda afectarían al
agregado. También se han utilizado restricciones de corto plazo, tal como puede verse,
entre otros, en los trabajos de Blanchard (1989), Karras (1993) y Funke (1997).
Concretamente Blanchard (1989) y Funke (1997) utilizan el supuesto de que las
innovaciones en el producto real son causadas contemporáneamente sólo por shocks de
demanda, debido a la existencia de rigideces nominales. Sin embargo, el supuesto más
utilizado para identificar los shocks de oferta ha sido suponer que los shocks de demanda
no afectan en el largo plazo al producto real. Este supuesto puede no ser válido, tal como
se reconoce en Blanchard y Quah (1989), si bien, cabe esperar que, el crecimiento del
PIB sea generado en su mayor parte por shocks de oferta, que desplazan la frontera de
posibilidades de producción. Entre los muchos trabajos que han utilizado este supuesto
de identificación se citarán los siguientes: Blanchard y Quah (1989), Shapiro y Watson
(1988), King y otros (1991), Mellander y otros (1992) y Bergman (1996).
Blanchard y Quah (1989) plantean para la economía americana un modelo VAR
bivariante con el producto real y la tasa de desempleo para el periodo 1950:2-1987:4. El
suponer que la tasa de desempleo es estacionaria, les permite identificar dos tipos de
shocks, uno permanente y otro transitorio. Blanchard y Quah identifican las innovaciones
en la tendencia estocástica como shocks de productividad y los shocks transitorios como
de demanda. Los resultados indican que los shocks permanentes tienen un papel
importante en las fluctuaciones de corto plazo del PIB. Concretamente, los shocks de
18
demanda explican entre un 8 y un 34 por ciento de la variabilidad del PIB para un
horizonte temporal de tres años1.
Shapiro y Watson (1988) analizan para los Estados Unidos en el periodo 1951:1-
1987:2 el sistema formado por las siguientes variables: horas trabajadas, PIB, inflación y
tipos de interés a corto plazo2. Basándose en resultados empíricos y teóricos concluyen
que en ese sistema existen tres tendencias estocásticas, ya que suponen que el tipo de
interés real es estacionario. En ese sistema, identifican un shock permanente en la oferta
de trabajo y un shock permanente tecnológico. El primero es identificado suponiendo que
es el único causante en el largo plazo de la evolución de las horas trabajadas, y la
segunda perturbación o shock tecnológico, es identificado suponiendo que el tercer shock
permanente no tiene efectos de largo plazo sobre el PIB. Los resultados obtenidos
indican que los shocks de demanda tienen un papel limitado en la explicación del ciclo,
incluso en el corto plazo.
King y otros (1991), partiendo de un modelo neoclásico de crecimiento, plantean
la existencia de una tendencia estocástica común para el PIB, consumo e inversión en
términos per cápita, causada por un shock tecnológico permanente. Las propiedades
estadísticas de las variables en USA para el periodo 1949:1-1988:4 confirman la
existencia de una tendencia común en el PIB, consumo e inversión. Al identificar
mediante un modelo VECM el shock permanente, los resultados indican que para un
horizonte temporal de tres años, este shock explica un 73 por ciento de la variabilidad
del PIB. Al ampliar el modelo con variables monetarias (saldos reales, inflación y tipo
de interés real), los resultados indican la presencia de tres shocks permanentes. Para
identificar el shock de productividad permanente suponen que este es el único causante
del PIB en el largo plazo. En este caso, la aportación del shock de productividad en la
explicación del PIB desciende hasta un 44 por ciento.
Mellander y otros (1992), estiman con datos anuales (1875-1986), un modelo
VECM para los términos de intercambio y PIB, consumo e inversión per cápita, en la
economía sueca. Su estudio está basado en una versión del modelo de crecimiento
neoclásico para una economía abierta formulado por Lundvik (1991) en el que las
variables reales son causadas, además de por el shock permanente en la productividad,
por una perturbación externa que representa un shock en los términos de intercambio. Los
1 La diferencia se debe a la presencia o no de una tendencia lineal en el desempleo. Con tendencia linealen el desempleo, los shocks de demanda explican un mayor porcentaje de la variabilidad del PIB.
19
resultados empíricos son coherentes con la presencia de dos shocks permanentes; para
diferenciar entre estos dos shocks, se utiliza el supuesto de que el shock de
productividad (que se interpreta como un shock interno) no tiene efectos en los términos
de intercambio en el largo plazo. Los resultados indican que para un horizonte temporal
de dos años, el shock en los términos de intercambio, explica un 50 por ciento de la
varianza del error de predicción del PIB, mientras que el shock interno, explica un 44
por ciento. Es decir, otra vez se pone de manifiesto el importante papel de los shocks
permanentes en las fluctuaciones del PIB incluso el corto plazo.
Bergman (1996) analiza para el periodo 1960:1-1990:1 las posibles causas de las
fluctuaciones en cinco países: USA, Alemania, Suecia, Japón y Reino Unido. Para ello
utiliza un modelo VAR para cada país que incluye dos variables, la inflación y el
producto real. Para todos los países se acepta la existencia de una relación de
cointegración entre las dos variables. Bergman (1996) contrasta la posibilidad de que el
vector de cointegración, refleje en realidad la estacionariedad de la inflación; sin
embargo, los datos rechazan esa hipótesis nula en Suecia, Alemania y Japón. A pesar de
estos resultados, en Bergman (1996) se continua el análisis imponiendo la
estacionariedad de la inflación, de forma que se identifica un shock permanente, que
puede interpretarse como un shock de oferta y un shock transitorio o de demanda. Los
resultados indican que los shocks de oferta explican, para los distintos países, un
porcentaje entre un 35 y un 99 por ciento de la variabilidad del PIB. Adicionalmente, los
resultados indican que los shocks permanentes también son responsables de una parte
importante de la variabilidad de la inflación en el largo plazo, concretamente entre un 10
por ciento en Suecia y un 66 por ciento en Gran Bretaña.
La conclusión general de estos trabajos, que mediante el uso de modelos VAR han
tratado de determinar la importancia relativa de los shocks de oferta y de demanda en la
generación de los ciclos, es que los ciclos no son sólo un fenómeno de demanda, los
shocks de oferta son los principales causantes de las fluctuaciones económicas,
explicando una parte importante de la variabilidad del producto real.
2 Además de esta cuatro variables, Shapiro y Watson (1988) incluyen ene el análisis el precio delpetróleo; pero esta variable es tratada como exógena.
20
4. Análisis empírico
El análisis empírico se realizará para los países pertenecientes al G-7 más
España y Suiza. Los datos, que son trimestrales y están desestacionalizados, proceden de
la base de datos “Main Economic Indicators” de la OCDE. El periodo muestral abarcará
desde 1970:1 hasta 1994:1.
Dado el elevado número de países, se realizará el análisis para un conjunto de
dos variables: la producción real y los precios. De esta forma, será posible identificar
dos tipos de shocks. La producción real es la variable objeto principal de interés. Incluir
los precios permite una especie de contraste sobre los resultados, pues, como mínimo, el
shock identificado como de oferta debería provocar los efectos que se esperan de éste.
Es decir, que ante un shock de oferta positivo aumente la producción y desciendan los
precios.
Como medida de producción se utilizará el logaritmo del PIB y como medida de
los precios el logaritmo del deflactor del PIB, concretamente, se utilizará la primera
diferencia de esta variable, es decir, la inflación.
4.1) Análisis de las propiedades estadísticas de las series:
Siguiendo el trabajo de Bergman (1996), para determinar las propiedades
estadísticas de las series se utilizará el enfoque introducido por Johansen (1988 y 1991),
en el que se contrastan las posibles relaciones de largo plazo en un modelo VECM, como
[11], donde el conjunto de variables será xt = (PIBt, Inflaciónt)’. Este modelo es
especialmente apropiado para contrastar la posible existencia de relaciones de
cointegración. Como el método propuesto por Johansen presupone que el proceso
estocástico sólo contiene variables I(0) o I(1), se contrastó previamente que ninguna de
las series de producción fuese I(2). Los resultados, mostrados en el apéndice 1, permiten
rechazar para todos los países la hipótesis de dos raíces en el PIB.
Para cada país se determinó el número de retardos a incluir en el VECM mediante
contrastes de razón de verosimilitud. Se utilizaron tres retardos para USA, GBR y
Francia, cuatro en Alemania y Japón y cinco en Canadá, España, Italia y Suiza.
Adicionalmente, se contrastó mediante estadísticos de Ljung-Box si existía correlación
21
en los residuos de las ecuaciones de cada país, y en ningún caso se encontró evidencia de
autocorrelación, por lo que se consideró que el orden especificado para los modelos es
adecuado.
CUADRO 1: Análisis de cointegración.
(H0 : r = 0) (H0 : r = 1) Vect.de coint.a
ESP
(p=3)
LRmax = 15.39*
LRtrace = 15.45*
LRmax = 0.06
LRtrace = 0.06
[ 0.062 1 ]
FRA
(p=3)
LRmax = 13.06*
LRtrace = 15.43*
LRmax = 2.37
LRtrace = 2.37
[ 0.060 1 ]
GBR
(p=3)
LRmax = 15.98*
LRtrace = 16.12*
LRmax = 0.14
LRtrace = 0.14
[ 0.061 1 ]
USA
(p=3)
LRmax = 15.67*
LRtrace = 15.72*
LRmax = 0.05
LRtrace = 0.05
[ 0.023 1 ]
ITA
(p=5)
LRmax = 12.74*
LRtrace = 14.94*
LRmax = 2.20
LRtrace = 2.20
[ 0.073 1 ]
FRG
(p=4)
LRmax = 14.62*
LRtrace = 15.00*
LRmax = 0.38
LRtrace = 0.38
[ 0.015 1 ]
CAN
(p=5)
LRmax = 20.64*
LRtrace = 22.17*
LRmax = 1.53
LRtrace = 1.53
[ 0.049 1 ]
JPN
(p=4)
LRmax = 18.20*
LRtrace = 20.77*
LRmax = 2.67
LRtrace = 2.67
[ 0.035 1 ]
SUI
(p=5)
LRmax = 15.76*
LRtrace = 16.02*
LRmax = 0.26
LRtrace = 0.26
[ 0.020 1 ]
* Denota rechazo al 10%. Valores críticos (90%): (r=1) LRmax = 10.60; LRtrace = 13.31 // (r=0) LRmax = 2.71;LRtrace =2.71.a Vector de cointegración normalizado en el coeficiente de la inflación.
Los resultados mostrados en el cuadro 1, indican que para todos los países puede
aceptarse la existencia de un vector de cointegración entre el PIB y la inflación. El vector
de cointegración estimado, muestra para todos los países una relación negativa de largo
plazo entre PIB e inflación.
22
Como se aprecia en el cuadro 1, los vectores de cointegración estimados están
próximos a ser del tipo [0,1]. Esta hipótesis puede contrastarse tal como se muestra en
Johansen (1991). Los contrastes estarán condicionados a la existencia de un vector de
cointegración, y el estadístico se distribuye como una chi-cuadrado con un grado de
libertad. Si se aceptase que el vector [0,1] pertenece al espacio de cointegración,
implicaría que la inflación es estacionaria. Los resultados de estos contrastes, mostrados
en el cuadro 2, indican que la hipótesis nula de que el vector de cointegración es del tipo
[0 1] no es aceptada para ningún país excepto para Suiza.
CUADRO 2: Contraste de estacionariedad de la inflación.
H0 : V = [ 0 1 ] H0 : V = [ 0 1 ]
ESP p-value = 0.0005 FRG p-value = 0.0235
FRA p-value = 0.0024 CAN p-value = 0.0000
GBR p-value = 0.0056 JPN p-value = 0.0009
USA p-value = 0.0019 SUI p-value = 0.1310
ITA p-value = 0.0044
La inflación ha sido tratada en distintos trabajos alternativamente como integrada
de orden 1 y como estacionaria. Contrates alternativos proporcionan diferentes
resultados en cuanto a las propiedades estadísticas de la inflación. Concretamente, para
el mismo conjunto de datos analizado en este trabajo, los contrastes de Dickey y Fuller
(1979 y 1981) permiten rechazar para la mayoría de países la hipótesis de una raíz
unitaria en la inflación.
En el trabajo de Bergman (1996), tampoco se acepta para todos los países que la
inflación sea estacionaria; sin embargo, Bergman (1996) continua el análisis imponiendo
que la inflación es estacionaria. En nuestro caso se ha preferido continuar el análisis con
los vectores de cointegración mostrados en el cuadro 1. Estas relaciones de
cointegración, tan similares para todos los países, puede que no constituyan una
verdadera relación estructural de largo plazo entre PIB e inflación. Es posible que sean
el reflejo de una relación puramente estadística entre las dos variables, debido al
23
continuo y generalizado descenso de la inflación en el periodo analizado. En cualquier
caso, la relación de cointegración estimada, garantiza que el modelo analizado es
estacionario, y además, provee de un marco de análisis común para todos los países.
4.2) Identificación de los shocks:
Hay que recordar que, tal como se mostró en la sección segunda, para identificar
un modelo VAR cuando hay r relaciones de cointegración entre las N variables, son
necesarias k(k-1)/2 restricciones de largo plazo para identificar los k shocks
permanentes, además de r(r-1)/2 restricciones de corto plazo para identificar los r shocks
transitorios.
Para todos los países el modelo estimado ha sido bivariante (N=2), y los
resultados indican que existe una relación de cointegración entre las variables (r=1).
Estos resultados implican la existencia de un shock permanente y un shock transitorio en
el sistema, y dada la restricción de cointegración estos dos shocks están exactamente
identificados.
Una vez conocido el rango del espacio de cointegración, se procedió a estimar el
modelo RVAR [12] para cada país. Las variables yt de estos modelos estarán formadas
por la primera diferencia del PIB y la relación de cointegración. Partiendo de la
estimación del modelo RVAR es posible obtener la representación de Wold [8],
mediante la relación [13]. Una vez obtenida la representación de Wold, dada la
restricción de cointegración, no se necesitan restricciones adicionales para la obtención
de la matriz F, que posibilita la obtención del modelo estructural.
4.3) Resultados:
Los efectos del shock permanente y del shock transitorio sobre las dos variables
analizadas se mostrarán principalmente en formato gráfico. Para cada país se presentan
seis gráficos: los cuatro primeros gráficos serán las funciones de impulso-respuesta, e
ilustrarán la respuesta dinámica de las dos variables ante cada uno de los shocks, junto
24
con el intervalo de confianza al noventa y cinco por ciento3; los dos últimos gráficos para
cada país, representan la descomposición de la varianza del error de predicción. Estos
últimos gráficos, se presentan en porcentaje e indican la aportación de cada uno de los
shocks en la explicación de la variabilidad de cada variable para distintos momentos del
tiempo.
También se presentarán tres cuadros, el primero de ellos contiene los efectos de
largo plazo del shock permanente. Adicionalmente, para facilitar la comparación de la
importancia de cada uno de los shocks en la explicación de la variabilidad del PIB y la
inflación se presentarán, en dos cuadros, la aportación en porcentaje de cada shock a la
variabilidad del PIB y la inflación para distintos periodos. Concretamente, se mostrará
la descomposición de la varianza para el periodo inicial; también para cada uno de los
cinco años posteriores al shock, es decir, las periodicidades típicamente asociadas al
ciclo económico. Finalmente, como representación de los efectos de largo plazo, se
presentarán los resultados tras diez años de la ocurrencia del shock.
3 Los intervalos de confianza proceden de la distribución asintótica de las funciones de impulso-respuesta, obtenida por Warne (1993).
25
ESPAÑA
Respuesta del PIB al shock de oferta (ESPAÑA).
0,00
0,50
1,00
1,50
2,00
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de oferta (ESPAÑA).
-0,60
-0,40
-0,20
0,00
0,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Respuesta del PIB al shock de demanda (ESPAÑA).
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de demanda (ESPAÑA).
-0,10
0,00
0,10
0,20
0,30
0,40
0,50
1 5 9 13 17 21 25 29 33 37 41 45 49
Descomposición de la varianza PIB (ESPAÑA).
0%
20%
40%
60%
80%
100%
1 5 9 13 17 21 25 29 33 37 41 45 49
oferta demanda
Descomposición de la varianza INFLACIÓN (ESPAÑA).
0%
20%
40%
60%
80%
100%
1 5 9 13 17 21 25 29 33 37 41 45 49
oferta demanda
26
FRANCIA
Respuesta de l P IB a l s h o c k de oferta (FRANCIA).
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1,40
1,60
1,80
1 7 13 19 25 31 37 43 49
Resp. de la inf lación al s h o c k de oferta (FRANCIA).
-0,60
-0,50
-0,40
-0,30
-0,20
-0,10
0,00
0,10
1 7 13 19 25 31 37 43 49
Respuesta del PIB al s h o c k de demanda (FRANCIA) .
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1 7 13 19 25 31 37 43 49
Resp. de la inf lación al s h o c k de demanda (FRANCIA).
-0,10
0,00
0,10
0,20
0,30
0,40
0,50
1 7 13 19 25 31 37 43 49
Descomposición de la varianza PIB (FRANCIA).
0%
20%
40%
60%
80%
100%
1 6 11 16 21 26 31 36 41 46
oferta demanda
Descomposición de la varianza INFLACIÓN (FRANCIA).
0%
20%
40%
60%
80%
100%
1 6 11 16 21 26 31 36 41 46
oferta demanda
27
REINO UNIDO
Respuesta del PIB al shock de demanda (GBR ).
-0,25
0,00
0,25
0,50
0,75
1,00
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de oferta (GBR).
-1,00
-0,80
-0,60
-0,40
-0,20
0,00
0,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de demanda (GBR).
-0,20
0,00
0,20
0,40
0,60
0,80
1 5 9 13 17 21 25 29 33 37 41 45 49
Descomposición de la varianza ( PIB)
0%
20%
40%
60%
80%
100%
1 5 9 13 17 21 25 29 33 37 41 45 49
oferta demanda
Descomposición de la varianza ( Inflación)
0%
20%
40%
60%
80%
100%
1 5 9 13 17 21 25 29 33 37 41 45 49
oferta demanda
Respuesta del PIB al shock de oferta (GBR).
0,00
0,50
1,00
1,50
2,00
2,50
3,00
1 5 9 13 17 21 25 29 33 37 41 45 49
28
USA
Respuesta del PIB al shock de oferta. (USA)
0,00
0,50
1,00
1,50
2,00
2,50
1 5 9 13 17 21 25 29 33 37 41 45 49
Respuesta del PIB al shock de demanda. (USA)
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de oferta. (USA)
-0,40
-0,30
-0,20
-0,10
0,00
0,10
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de demanda. (USA)
-0,10
0,00
0,10
0,20
0,30
1 5 9 13 17 21 25 29 33 37 41 45 49
Descomposición de la varianza INFLACIÓN (USA).
0%
20%
40%
60%
80%
100%
1 6 11 16 21 26 31 36 41 46
oferta demanda
Descomposición de la varianza PIB (USA).
0%
20%
40%
60%
80%
100%
1 6 11 16 21 26 31 36 41 46
oferta demanda
29
ALEMANIA
Respuesta del PIB al shock de oferta (FRG).
0,00
0,50
1,00
1,50
2,00
1 5 9 13 17 21 25 29 33 37 41 45 49
Respuesta del PIB al shock de demanda (FRG).
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
1 5 9 13 17 21 25 29 33 37 41 45 49
Descomposición de la varianza PIB (FRG).
0%
20%
40%
60%
80%
100%
1 7 13 19 25 31 37 43 49
oferta demanda
Descomposición de la varianza INFLACIÓN (FRG).
0%
20%
40%
60%
80%
100%
1 7 13 19 25 31 37 43 49
oferta demanda
Resp. de la inflación al shock de oferta (FRG).
-0,40
-0,20
0,00
0,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de demanda (FRG).
-0,10
0,00
0,10
0,20
0,30
0,40
1 5 9 13 17 21 25 29 33 37 41 45 49
30
ITALIA
Descomposición de la varianza INFLACIÓN (ITALIA).
0%
20%
40%
60%
80%
100%
1 5 9 13 17 21 25 29 33 37 41 45 49
oferta demanda
Descomposición de la varianza PIB (ITALIA)
0%
20%
40%
60%
80%
100%
1 5 9 13 17 21 25 29 33 37 41 45 49
oferta demanda
Respuesta del PIB al shock de oferta (ITALIA).
0,00
0,50
1,00
1,50
1 5 9 13 17 21 25 29 33 37 41 45 49
Respuesta del PIB al shock de demanda. (ITALIA)
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de oferta. (ITALIA)
-0,60
-0,40
-0,20
0,00
0,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de demanda. (ITALIA)
-0,20
0,00
0,20
0,40
0,60
1 5 9 13 17 21 25 29 33 37 41 45 49
31
JAPÓN
Respuesta del PIB al shock de demanda (JPN).
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de oferta (JPN).
-0,60
-0,40
-0,20
0,00
0,20
0,40
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de demanda (JPN).
-0,20
0,00
0,20
0,40
0,60
1 5 9 13 17 21 25 29 33 37 41 45 49
Descomposición de la varianza ( PIB)
0%
20%
40%
60%
80%
100%
1 5 9 13 17 21 25 29 33 37 41 45 49
oferta demanda
Descomposición de la varianza ( Inflación)
0%
20%
40%
60%
80%
100%
1 5 9 13 17 21 25 29 33 37 41 45 49
oferta demanda
Respuesta del PIB al shock de oferta (JPN).
0,00
0,50
1,00
1,50
2,00
1 5 9 13 17 21 25 29 33 37 41 45 49
32
CANADÁ
Respuesta del PIB al shock de oferta (CANADÁ).
0,00
0,50
1,00
1,50
2,00
1 5 9 13 17 21 25 29 33 37 41 45 49
Respuesta del PIB al shock de demanda (CANADÁ).
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de oferta. (CANADÁ)
-0,60
-0,50
-0,40
-0,30
-0,20
-0,10
0,00
0,10
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de demanda. (CANADÁ)
-0,10
0,00
0,10
0,20
0,30
0,40
1 5 9 13 17 21 25 29 33 37 41 45 49
Descomposición de la varianza INFLACIÓN (CANADÁ).
0%
20%
40%
60%
80%
100%
1 6 11 16 21 26 31 36 41 46
oferta demanda
Descomposición de la varianza PIB (CANADÁ)
0%
20%
40%
60%
80%
100%
1 6 11 16 21 26 31 36 41 46
oferta demanda
33
SUIZA
Respuesta del PIB al shock de oferta (SUIZA)
0,00
0,50
1,00
1,50
2,00
2,50
1 5 9 13 17 21 25 29 33 37 41 45 49
Respuesta del PIB al shock de demanda. (SUIZA)
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de oferta. (SUIZA)
-0,60
-0,40
-0,20
0,00
0,20
1 5 9 13 17 21 25 29 33 37 41 45 49
Resp. de la inflación al shock de demanda. (SUIZA)
-0,20
0,00
0,20
0,40
0,60
1 5 9 13 17 21 25 29 33 37 41 45 49
Descomposición de la varianza PIB (SUIZA)
0%
20%
40%
60%
80%
100%
1 6 11 16 21 26 31 36 41 46
oferta demanda
Descomposición de la varianza INFLACIÓN (SUIZA)
0%
20%
40%
60%
80%
100%
1 6 11 16 21 26 31 36 41 46
oferta demanda
34
Las funciones de impulso-respuesta de todos los países indican que el shock
permanente provoca un aumento en el PIB y un descenso en los precios, al reducirse la
inflación. Mientras que el shock transitorio provoca un incremento del PIB y de los
precios. Estos resultados indican que el shock permanente presenta los efectos
típicamente asociados a un shock de oferta; mientras que los efectos provocados por el
shock transitorio, son acordes a lo que se espera de un shock de demanda. Por lo tanto,
estos resultados permiten, en principio, identificar el primer shock como una
perturbación de oferta y el shock transitorio como de demanda. Al final de esta sección,
tras la presentación de los resultados, se discutirá si la asignación de estos nombres a los
shocks está realmente justificada; por el momento, a efectos expositivos, se les nombrará
como shock de oferta y de demanda.
En primer lugar, las funciones de impulso-respuesta muestran para cada país, la
respuesta del nivel del PIB y de la inflación a shocks de oferta y demanda de tamaño una
desviación estándar. Las respuestas de las variables se han multiplicado por cien para
facilitar la lectura de los gráficos.
En general, la respuesta típica del PIB ante un shock de oferta consiste en un
incremento inicial en torno a 0,5. España es el país con menor incremento inicial del PIB
(0,2) y Gran Bretaña el que presenta mayor incremento inicial con 0,8. Tras ese aumento
inicial, el nivel del PIB continua creciendo hasta alcanzar un nuevo nivel de largo plazo
que, por lo general, está próximo a uno. El mayor impacto de largo plazo vuelve a darse
para Gran Bretaña (1.63), siendo Italia el país con menor incremento del PIB en el largo
plazo (0.71).
El periodo típico en que los productos reales alcanzan su nuevo nivel de largo
plazo se sitúa alrededor de los cuatro años; y en general, la mayoría de países presentan
una sobrereacción del PIB, es decir, la respuesta del PIB sobrepasa en ciertos periodos
la respuesta de largo plazo. España e Italia son los países que más se retrasan en alcanzar
su nuevo nivel de largo plazo, hecho que ocurre pasados los cinco años.
La respuesta estándar de la inflación ante una perturbación de oferta consiste en
un descenso inicial significativo, sobre 0.4 en promedio; los casos extremos son en este
caso Alemania (0.2) y Gran Bretaña (0.8). Este descenso inicial va paulatinamente
remitiendo, y la inflación va aproximándose al nivel inicial previo al shock; aunque,
como ya indicaban las estimaciones de los vectores de cointegración, la inflación resulta
afectada permanentemente de forma negativa por el shock de oferta, aunque en una
35
cuantía muy reducida. El país en que la inflación desciende, en el largo plazo, en mayor
magnitud es España (-0.07) y el menor Alemania (-0.01). Para alcanzar su nuevo nivel de
largo plazo, la inflación necesita un periodo, en general, superior a cinco años. Es decir,
la inflación emplea un periodo ligeramente superior al PIB en estabilizarse.
CUADRO 3: Efectos de largo plazo del shock de oferta.
ESP FRA GBR USA FRG ITA JPN CAN SUI
PB
Inflación
1.16
-0.07
1.07
-0.06
1.63
-0.02
1.56
-0.03
1.07
-0.01
0.71
-0.05
0.93
-0.03
1.06
-0.05
1.36
-0.02
El shock transitorio, o shock de demanda, provoca un aumento inicial de la
producción menor que el shock de oferta, excepto en Italia, Canadá y USA. La mayor
respuesta inicial del PIB corresponde a USA y GBR, donde está próxima a 0.8, y la
menor a España, país en el que es inferior a 0.2.
Para Francia, Gran Bretaña , Alemania, Japón y prácticamente también en USA,
la respuesta inicial representa el máximo efecto del shock de demanda en el producto
real. En los restantes países, los shocks de demanda tardan un tiempo en lograr su pleno
efecto: en Suiza, Italia y Canadá el máximo se alcanza en torno al año, mientras que en
España tarda un poco más (prácticamente dos años). Este comportamiento diferenciado
de España se ve reforzado por el hecho de que en España el efecto máximo es tres veces
mayor que la respuesta inicial. Sólo Suiza y en menor medida Italia se aproximan a
España en esta característica.
Finalmente, el efecto expansivo de los shocks de demanda se agota, volviendo el
PIB a su nivel inicial tras un periodo en torno a los cinco años. España, Italia y Japón son
los países en los que los shocks de demanda son más persistentes: los efectos positivos
en el PIB se anulan tras cerca de siete años.
La respuesta inicial de la inflación ante el shock transitorio, tal como se espera,
consiste en un aumento situado entre 0.15 para USA y 0.6 para Gran Bretaña. Partiendo
de este aumento inicial, la inflación desciende hasta retornar paulatinamente al nivel
36
previo al shock. La senda descrita por la inflación ante un shock de demanda, es
realmente similar a la del PIB: en ciertos países el PIB antes de estabilizarse presenta
periodos en que desciende por debajo de su nivel previo al shock y, en estos periodos la
inflación suele estar también por debajo de su nivel inicial.
Los dos siguientes cuadros y los dos últimos gráficos de cada país muestran la
información relativa a la descomposición de la varianza del error de predicción para el
nivel del PIB y la tasa de inflación, para diferentes horizontes temporales. En general, los
resultados sugieren que una parte importante de las fluctuaciones o variabilidad del PIB
está causada por el shock permanente. Los resultados para la inflación también muestran
un importante papel del shock permanente.
CUADRO 4 : Porcentaje del PIB explicado por shocks de oferta.*
t ESP FRA GBR USA FRG ITA JPN CAN SUI
0 60(24) 55(25) 55(29) 20(19) 73(25) 37(40) 70(19) 47(26) 70(23)
4 52(16) 78(6) 81(6) 51(9) 94(5) 49(12) 89(4) 34(12) 87(9)
8 68(14) 89(4) 90(4) 73(8) 97(2) 68(10) 95(2) 50(13) 94(5)
12 81(9) 93(3) 94(3) 84(6) 98(2) 75(9) 96(2) 65(13) 96(3)
16 87(6) 95(2) 95(2) 89(5) 98(2) 80(8) 97(2) 74(12) 97(3)
20 90(5) 96(2) 96(2) 91(4) 99(1) 84(7) 97(2) 79(11) 97(2)
40 95(3) 98(1) 98(1) 96(2) 99(1) 91(5) 98(1) 90(6) 98(1)
*Entre paréntesis se encuentra el error estándar. El porcentaje del PIB explicado por shocks dedemanda se calcula como cien menos el porcentaje explicado por el shock de oferta.
Incluso en el muy corto plazo, es decir, en el periodo contemporáneo a la
aparición del shock, para la mayoría de países, con las excepciones de USA, Italia y
Canadá, la variabilidad del PIB esta dominada por el shock permanente. El caso más
evidente es Alemania donde, el shock de oferta explica el 73 por ciento de la
variabilidad del PIB.
CUADRO 5 : Porcentaje de la inflación explicado por shocks de oferta.*
t ESP FRA GBR USA FRG ITA JPN CAN SUI
37
0 84(18) 61(24) 69(27) 80(18) 34(27) 40(24) 61(21) 84(19) 37(25)
4 80(9) 61(7) 67(7) 81(7) 25(11) 31(7) 57(9) 75(10) 33(18)
8 80(16) 62(13) 67(17) 80(13) 24(9) 33(9) 58(12) 70(22) 37(12)
12 79(22) 63(18) 68(22) 81(17) 25(6) 35(14) 59(10) 71(27) 37(14)
16 79(24) 64(21) 69(25) 81(18) 26(5) 36(18) 59(9) 71(29) 37(11)
20 79(23) 65(23) 69(27) 81(19) 26(8) 37(21) 60(10) 72(31) 38(8)
40 81(23) 69(30) 72(33) 83(20) 29(29) 42(36) 61(14) 74(33) 40(13)
*Entre paréntesis esta el error estándar. El porcentaje del PIB explicado por shocks de demandase calcula como cien menos el porcentaje explicado por el shock de oferta.
Este resultado se hace más evidente conforme se aumenta el horizonte temporal.
Pasados cuatro trimestres, el shock de oferta explica en cinco países más del 80 por
ciento, llegando a ser el porcentaje del 94% en Alemania. Pasados tres años, en todos los
países excepto Italia y Canadá, el shock de oferta es responsable de más del 80 por
ciento de la variabilidad del PIB. En el largo plazo, tras cuarenta trimestres, todos los
países se sitúan por encima del noventa por ciento. Estos resultados indican un gran
papel de los shocks de oferta en las fluctuaciones del PIB incluso en el corto plazo.
El cuadro 5 muestra de forma resumida, los resultados de la descomposición de
la varianza para la inflación. Los resultados indican que los shocks permanentes también
presentan una gran influencia en el comportamiento de la inflación para todos los
horizontes temporales. En países como Alemania, Suiza e Italia, el papel que ejercen los
shocks permanentes en el comportamiento de la inflación es sustancialmente menor.
4.4) ¿Son realmente los shocks permanentes shocks de oferta?
El análisis empírico ha permitido la identificación de dos tipos de shocks, uno
con efectos permanentes, y el otro sólo con efectos transitorios. El supuesto de que los
shocks de oferta son los únicos causantes del incremento del PIB en el largo plazo, ha
sido usado en numerosos trabajos como restricción de identificación para los shocks de
oferta; por lo que, siguiendo estos estudios, parece lógico pensar en el shock permanente
como de oferta y en el transitorio como de demanda. Este supuesto, queda avalado por
38
los resultados mostrados por las funciones de impulso-respuesta: la respuesta de las
variables ante los dos shocks apoya la visión de que el primero es un shock de oferta, al
moverse los precios y la producción en direcciones opuestas, mientras que el segundo se
comporta como se espera de un shock de demanda.
Si se acepta esta interpretación, los resultados de la descomposición de la
varianza indican un fuerte papel de los shocks de oferta en el PIB, incluso en el corto
plazo, lo que apoyaría la visión de los ciclos propugnada por los modelos reales del
ciclo. Adicionalmente, los resultados indican que estos shocks juegan un papel
importante en el comportamiento de largo plazo de la inflación. Este resultado, también
obtenido por Bergman (1996), está en contra de las tesis monetaristas y de la opinión
generalizada entre los economistas de que la inflación es, si no totalmente, sí
fundamentalmente un fenómeno monetario. Por lo tanto, si las tesis monetaristas son
ciertas, el shock permanente que se ha identificado, podría ser una combinación de
verdaderos shocks de oferta y de shocks monetarios. Así, estos últimos serían los
causantes de gran parte del efecto del shock permanente en la inflación.
Para que la inflación pudiera estar fundamentalmente explicada en el largo plazo
por un shock monetario, el conjunto de variables utilizado debería ampliarse para incluir
una variable monetaria. Además, para ser coherente con el marco analítico anterior, en el
que existe una relación de cointegración entre la inflación y PIB y, adicionalmente, ser
posible que el comportamiento de largo plazo de la inflación pueda ser explicado por un
shock distinto al de oferta, sería necesario que entre las tres variables se diese una
relación de cointegración, de forma que, el largo plazo de las variables esté conducido
por dos shocks permanentes, uno de oferta y el otro monetario.
Para tratar de corroborar esta idea, es necesario ampliar el modelo econométrico
para incluir una variable monetaria que permita identificar un shock adicional, el shock
monetario, que, en principio, cabe esperar que fuese el principal causante de la inflación
en el largo plazo.
4.5) Ampliación del sistema con variables monetarias.
39
Tratar de identificar los efectos de un shock monetario en cada uno de los nueve
países, es una tarea complicada dadas las especificidades de la política monetaria en
cada país. Por tanto, el objetivo de este apartado será menos ambicioso. Sólo se
pretende, manteniendo el marco analítico anterior, en el que la inflación y el PIB
muestran una relación de largo plazo, ver si es posible reconciliar los resultados
anteriores con la visión de que la inflación es fundamentalmente causada en el largo
plazo por la política monetaria.
En este apartado, se realizará el mismo análisis que en el apartado anterior pero
ahora, el modelo para cada país incluirá tres variables: el PIB, la inflación y una
magnitud monetaria. Para que esta última sea lo más homogénea posible, se tomará como
magnitud monetaria la suma de las partidas dinero y “quasidinero” dadas por el FMI.
Se contrastó la presencia de cointegración entre el PIB, la tasa de inflación y la
tasa de crecimiento de la cantidad de dinero. El único país en el que se acepta la
existencia de un único vector de cointegración entre estas tres variables es USA. Por lo
tanto, se presentarán resultados solamente para este país.
El vector de cointegración estimado, normalizado en el coeficiente de la
inflación, toma la siguiente forma:
α’ = [ -0.00032 -0.74138 1.0]
El coeficiente del PIB en la relación de cointegración está muy cercano a ser cero; de
hecho, es posible aceptar la hipótesis de que el coeficiente del PIB es cero (X2(1) =
0.98).
Como entre las tres variables existe una relación de cointegración, la dinámica
del conjunto de variables es el resultado de dos shocks permanentes y uno transitorio. De
este modo, será necesaria solamente una restricción adicional para separar los efectos de
los dos shocks permanentes. La restricción que se utilizará consistirá en imponer que el
segundo shock permanente, el shock monetario, no tenga efectos de largo plazo en el PIB.
Los resultados se mostrarán, al igual que en el apartado anterior, mediante la
representación gráfica de las funciones de impulso-respuesta y la descomposición de la
varianza. Hay que hacer notar que los resultados son prácticamente idénticos tanto si se
utiliza el vector de cointegración estimado, como si se impone, tal como indicó el
40
contraste correspondiente, que el coeficiente del PIB en el vector de cointegración sea
cero.
Como puede verse en los gráficos siguientes, las respuestas de las variables al
primer shock son consistentes con lo que se espera de una perturbación de oferta.
El primer shock permanente, provoca en el corto plazo un aumento en el PIB, y un
descenso en la inflación. En el largo plazo, tanto la tasa de crecimiento de la cantidad de
dinero como la inflación prácticamente retornan a sus niveles previos al shock, mientras
que el PIB sigue aumentando hasta alcanzar su nuevo nivel en el largo plazo.
El segundo shock permanente, provoca un aumento temporal de la producción,
mientras que la cantidad de dinero y la inflación se ven afectadas permanentemente de
forma positiva. Estas respuestas de las variables son coherentes con los efectos
esperados de un shock monetario. Por ultimo, el tercer shock, con efectos sólo
transitorios en las variables, provoca en el corto plazo un aumento tanto en los precios
como en la producción. Por lo tanto, sus efectos siguen siendo coherentes con lo que se
espera de una perturbación de demanda.
Los tres últimos gráficos indican que la causa fundamental de la variabilidad del
PIB en el muy corto plazo son los shocks transitorios, pero tal como ocurría
anteriormente, pasados dos años los shocks de oferta presentan un papel destacado. El
nuevo tipo de shock identificado, el shock monetario, no explica un gran porcentaje de la
varianza del PIB para ningún horizonte temporal.
41
USA
Respuesta del PIB al shock de oferta (USA).
0,00
0,50
1,00
1,50
2,00
1 5 9 13 1721 2529 33 3741 45 49
Resp. de la inflación al shock de oferta (USA).
-0,60
-0,40
-0,20
0,00
0,20
1 5 9 1317212529 33374145 49
Resp. de la inflación al shock
monetario (USA).
0,00
0,15
0,30
1 5 9 13 17 21 252933 37 41 4549
Respuesta del PIB al shock monetario (USA).
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
1,20
1 5 9 13 172125 2933 374145 49
Resp. Del PIB al shock de demanda (USA).
-0,40
-0,20
0,00
0,20
0,40
0,60
0,80
1,00
1 5 9 13 17212529 3337 414549
Resp. de la inflación al shock de demanda (USA).
-0,10
0,00
0,10
0,20
1 5 9 13 17212529 333741 4549
Resp. de (1-L)M al shock de demanda (USA).
-0,80
-0,60
-0,40
-0,20
0,00
0,20
1 5 9 1317 212529 333741 45 49
Resp. de (1-L)M al shock monetario (USA).
-0,30
0,00
0,30
0,60
1 5 9 13 17212529 3337 414549
Resp. de (1-L)M al shock de oferta (USA).
-0,30
-0,15
0,00
0,15
0,30
0,45
0,60
1 5 9 1317212529 33374145 49
Descomposición de la varianza PIB (USA)
0%
20%
40%
60%
80%
100%
1 7 13 19 25 31 37 43 49
oferta monetario demanda
Descomposición de la varianza (1-L)M (USA).
0%
20%
40%
60%
80%
100%
1 7 13 19 25 31 37 43 49
oferta monetario demanda
Descomposición de la varianza INFLACIÓN (USA).
0%
20%
40%
60%
80%
100%
1 7 13 19 25 31 37 43 49
oferta monetario demanda
42
En cuanto a la variabilidad de la inflación, ahora, en el corto plazo, sigue siendo
muy importante el papel de los shocks de oferta; si bien, su importancia se va reduciendo
conforme se amplia el horizonte temporal, llegando a ser en el largo plazo tan sólo del 16
por ciento.
Estos resultados son coherentes con la idea de que en los modelos VAR
bivariantes formados por PIB e inflación, los shocks permanentes, pueden ser en realidad
una combinación de shocks de oferta y shocks monetarios, siendo estos últimos los
responsables de que el shock permanente sea tan importante en la explicación de la
variabilidad de la inflación. Aunque, también es cierto, que a pesar de la ampliación del
sistema con la cantidad de dinero, los shocks de oferta siguen presentando efectos
importantes en la inflación y que estos efectos tardan mucho tiempo en desaparecer. Es
decir, se sigue encontrando, al igual que en Andrés y otros (1998), que la inflación no es
exclusivamente un fenómeno monetario.
Los resultados obtenidos aquí para USA, siguen atribuyendo, a pesar de la
ampliación del modelo con una nueva variable, a los shocks de oferta un papel
importante en la explicación de las fluctuaciones del PIB, incluso en el corto plazo.
También indican que, para mejorar la identificación de los efectos de cada shock, puede
ser necesario introducir en los modelos un mayor número de variables y tipos de
perturbaciones. Sin embargo, las especificidades de cada país, que se reflejan en
distintas propiedades estadísticas en sus variables, dificultan el realizar esta ampliación
en un marco analítico unificado.
43
5. Conclusiones
En este trabajo se ha analizado la importancia de distintas fuentes de variabilidad
macroeconómica, mediante la estimación de un modelo VAR con restricciones de
cointegración, para el PIB y la inflación. Los resultados muestran la existencia de una
relación de cointegración entre estas dos variables, hecho que permite identificar dos
tipos de shocks, uno permanente y otro transitorio. Los efectos mostrados por las
funciones de impulso-respuesta indican que el primer shock puede identificarse como un
shock de oferta, y el shock transitorio presenta los efectos típicos de un shock de
demanda. Además, las respuestas de las variables en los distintos países son
sorprendentemente similares, por lo que una de las principales conclusiones de este
trabajo es la existencia de una enorme similitud en las propiedades cíclicas de los
distintos países.
Los resultados proporcionados por la descomposición de la varianza del error de
predicción indican que un gran porcentaje de la variabilidad en la producción, incluso en
el corto plazo, es explicado por el shock permanente. Por lo que, si se acepta que el
shock permanente es fundamentalmente de oferta, los resultados de este estudio apoyan la
visión de los ciclos propuesta por los RBC, donde los ciclos son el resultado de shocks
tecnológicos, es decir shocks provenientes del lado de la oferta.
El shock permanente también resulta ser el principal causante de la variabilidad
de la inflación en el largo plazo, lo que parece contradecir la idea de que el shock
permanente que se ha identificado, esté compuesto solamente por shocks de oferta. Ante
este problema se intentó ampliar el conjunto de variables para poder identificar y separar
los efectos de un shock monetario.
Este objetivo se ve dificultado por las especificidades de cada país. Sin embargo,
para USA, el incluir una variable monetaria hace posible la identificación de un nuevo
shock permanente. Los resultados indican que el nuevo tipo de shock, cuyas funciones de
impulso respuesta son coherentes con lo que se espera de un shock monetario, es el
principal responsable del comportamiento de largo plazo de la inflación; mientras que el
shock de oferta sigue siendo el principal causante de las fluctuaciones en la producción.
También se aprecia que a pesar de la introducción del shock monetario, los shocks de
oferta siguen presentando cierto papel en la explicación de la variabilidad de la
44
inflación. Este resultado, parece indicar, que la inflación puede no ser exclusivamente un
fenómeno monetario, al menos en el corto y medio plazo.
45
Apéndice 1
Cuadro 1: Contraste de dos raíces en el PIB
t(ρρ c -1) ΦΦ 3 t(ρρb –1) ΦΦ 1 t(ρρ a -1)
ESP -3.33(p = 1)
(DW=1.93)
5.57 -3.15(p = 1)
(DW=1.94)
FRA -4.99(p = 1)
(DW=1.98)
GBR -9.02(p = 0)
(DW=2.00)USA -7.34
(p = 0)(DW=2.04)
ITA -5.01(p = 1)
(DW = 1.98)FRG -7.67
(p = 0)(DW = 2.05)
CAN -4.56(p = 2)
(DW= 1.96)JPN -5.58
(p = 1)(DW = 1.96)
SUI -5.19(p = 1)
(DW = 2.02)V.C (5%) -3.45 1.12 -2.89 0.50 -1.95
De los resultados de este cuadro se infiere que es posible rechazar, para todos los
países, la hipótesis de dos raíces unidad en el PIB.
46
BIBLIOGRAFÍA.
Andrés, J.; Hernando, J. y Lopez-Salido, J.D. (1998): “ The long-run effects of
disinflations”. Banco de España, Servicio de Estudios, DT nº 9825.
Ballabriga, F. C. (1991): “Instrumentación de la metodología VAR”. Cuadernos
Económicos del I.C.E, nº 48, pp. 85-97.
Bergman, M. (1996): “International evidence on the sources of macroeconomics
fluctuations”. European Economic Review, 40, pp. 1237-1258.
Bernanke, B. (1986): “Alternative explanations of the money-income correlation”.
Carnegie-Rochester Conference Series on Public Policy, 25, pp 49-100.
Blanchard, O.J. y Watson, M. (1986): “Are business cycles all alike?” en Robert Gordon
ed.,The American Bussines Cycle; Continuity and Change, Chicago: NBER and
University of Chicago Press, pp 123-156.
Blanchard, O.J. (1989): “A traditional interpretation of macroeconomic fluctuations”.
The American Economic Review, 79, 5, pp 1146-1164.
Blanchard, O.J. y Quah, D. (1989): “The dynamic effects of aggregate demand and supply
disturbances”. The American Economic Review, 79 , 4, pp 655-673.
Campbell, J.Y. y Shiller, R. J. (1988): “Interpreting cointegrated models”. Journal of
Economic Dynamics and Control, 12, pp. 505-522.
Cooley, T. F. y Leroy, S. F. (1985): “A theoretical macroeconomics: A critique”. Journal
of Monetary Economics, 16, pp 283-308.
Dickey, D.A. y Fuller, W.A. (1979): “Distribution of the estimators for autoregressive
time series with a unit root”. Journal of the American Statistical Association, 74,
pp. 427-431.
Dickey, D.A. y Fuller, W.A. (1981): “ Likelihood ratio statistics for autoregressive time
series with a unit root”. Econometrica, 49, 4, pp 1057-1072.
Engle, R. F. y Granger, C. W. J. (1987): “Cointegration and error correction:
Representation, estimation and testing”. Econometrica, 55, 2, pp. 251-276.
Evans, C. L. (1992): “Productivity shocks and real business cycles”. Journal of Monetary
Economics, 29, pp. 191-208.
Funke, M. (1997): “How important are demand and supply shocks in explainning German
business cycles?: New evidence on an old debate”. Economic Modelling, 14,
pp.11-37.
47
Galí, J. (1992): “ How well does the IS-LM model fit postwar US data”. The Quaterly
Journal of Economics,107, pp 709-738.
Johansen, S. (1988): “Statistical analysis of cointegration vectors”. Journal of Economic
Dynamics and Control, 12, pp. 231-254.
Johansen, S. (1991): “Estimation and hypothesis testing of cointegration vectors in
Gaussian vector autoregressive models”. Econometrica 59, pp. 1551-1580.
Karras, G. (1993): “Sources of U.S. macroeconomic fluctuations:1973-1989”. Journal of
Macroeconomics, 15, 1, pp 47-68.
Karras, G. y Song, F. (1996): “Sources of business-cycle volatility: An exploratory study
on a sample of OCDE countries”. Journal of Macroeconomics, 18, pp.623-638.
King, R. G.; Plosser, C. I.; Stock, J. H., y Watson, M. W. (1991): “ Stochastic trends and
economics fluctuations”. American Economic Review, 81, pp 819-840.
Liu, T. C. (1960): “Underidentification, structural estimation and forecasting”.
Econometrica, 28, pp 855-865.
Lütkepohl, H. y Reimers, H. E. (1992): “Impulse response anallysis of co-integrated
systems”. Journal of Economics Dynamics and Control, 16, pp. 53-78.
Lundvik, P. (1991): “Business cycles in a small open economy: Sweden 1871-1987”.
Mimeo, Institute for International Economic Studies, Stockholm University,
Sweden.
Mellander, E.; Vredin, A. y Warne, A. (1992): “Stochastic trends and economic
fluctuations in a small open economy”. Journal of Applied Econometrics, 7, pp.
369-394.
Shapiro, M. y Watson, M. (1988): “Sources of business cycle fluctuations” en Stanley
Fischer ed., NBER Macroeconomics Annual, Cambridge: MIT Press, pp 111-
148.
Sims, C.A. (1980): “Macroeconomics and reality”.Econometrica, 48, pp 1-48.
Sims, C.A. (1986): “Are forecasting models usable for policy analysis?”. Quaterly
Review, Federal Reserve Bank of Minneapolis. Winter, pp. 2-16.
Stock, J.H. y Watson, M.W. (1988): “Testing for common trends”. Journal of the
American Statistical Association, 83, pp. 1097-1107.
Stockman, A. (1988): “Sectoral and national aggregate disturbances to industrial output in
seven countries”. Journal of Monetary Economics, 21, pp.387-409.
48
Warne, A. (1993): “A common trends model: Identification, estimation and asymptotics”.
Seminar paper nº 555. Institute for International Economic Studies, University of
Stockholm.
Wold, H. (1938): A study in the analysis of stationary time-series. Uppsala: Almquist
and Wiksells.